高級(jí)計(jì)量經(jīng)濟(jì)學(xué)-第四章-第六章

高級(jí)計(jì)量經(jīng)濟(jì)學(xué)第四章異方差性引子：更為接近真實(shí)的結(jié)論是什么？

根據(jù)四川省2000年21個(gè)地市州醫(yī)療機(jī)構(gòu)數(shù)與人口數(shù)資料，分析醫(yī)療機(jī)構(gòu)與人口數(shù)量的關(guān)系，建立衛(wèi)生醫(yī)療機(jī)構(gòu)數(shù)與人口數(shù)的回歸模型。對(duì)模型估計(jì)的結(jié)果如下：

（291.5778）(0.644284)t=(-1.931062)(8.340265)

式中Y表示衛(wèi)生醫(yī)療機(jī)構(gòu)數(shù)（個(gè)），X表示人口數(shù)量（萬人）。

,模型顯示的結(jié)果和問題：●人口數(shù)量對(duì)應(yīng)參數(shù)的標(biāo)準(zhǔn)誤差較小●

t統(tǒng)計(jì)量遠(yuǎn)大于臨界值●可決系數(shù)和修正的可決系數(shù)結(jié)果較好●

F檢驗(yàn)結(jié)果明顯顯著

表明該模型的估計(jì)效果不錯(cuò)，可以認(rèn)為人口數(shù)量每增加1萬人，平均說來醫(yī)療機(jī)構(gòu)將增加5.3735個(gè)。然而，這里得出的結(jié)論可能是不可靠的，平均說來每增加1萬人口可能并不需要增加這樣多的醫(yī)療機(jī)構(gòu)，所得結(jié)論并不符合真實(shí)情況。

有什么充分的理由說明這一回歸結(jié)果不可靠呢？

更為接近真實(shí)的結(jié)論又是什么呢？

第一節(jié)異方差性的實(shí)質(zhì)與產(chǎn)生的原因一、異方差性的實(shí)質(zhì)（一）同方差性的含義

同方差性：對(duì)所有的i（i=1，2，…，n）有

（4.1）

因?yàn)榉讲钍嵌攘勘唤忉屪兞縔的觀測(cè)值圍繞回歸線（4.2）的分散程度，因此同方差性指的是所有觀測(cè)值的分散程度相同。

（二）異方差性的含義

設(shè)模型為如果對(duì)于模型中隨機(jī)誤差項(xiàng)有：

(4.3)

則稱具有異方差性。進(jìn)一步，把異方差看成是由于某個(gè)解釋變量的變化而引起的，則

(4.4)

圖形表示：

（一）模型中省略了某些重要的解釋變量

假設(shè)正確的計(jì)量模型是：假如略去，而采用（4.5）當(dāng)被略去的與有呈同方向或反方向變化的趨勢(shì)時(shí)，隨的有規(guī)律變化會(huì)體現(xiàn)在（4.5）式的中。

（二）模型的設(shè)定誤差模型的設(shè)定主要包括變量的選擇和模型數(shù)學(xué)形式的確定。模型中略去了重要解釋變量常常導(dǎo)致異方差，實(shí)際就是模型設(shè)定問題。除此而外，模型的函數(shù)形式不正確，如把變量間本來為非線性的關(guān)系設(shè)定為線性，也可能導(dǎo)致異方差。

二、產(chǎn)生異方差的原因（三）測(cè)量誤差的變化樣本數(shù)據(jù)的觀測(cè)誤差有可能隨研究范圍的擴(kuò)大而增加，或隨時(shí)間的推移逐步積累，也可能隨著觀測(cè)技術(shù)的提高而逐步減小。（四）截面數(shù)據(jù)中總體各單位的差異通常認(rèn)為，截面數(shù)據(jù)較時(shí)間序列數(shù)據(jù)更容易產(chǎn)生異方差。這是因?yàn)橥粫r(shí)點(diǎn)不同對(duì)象的差異，一般說來會(huì)大于同一對(duì)象不同時(shí)間的差異。不過，在時(shí)間序列數(shù)據(jù)發(fā)生較大變化的情況下，也可能出現(xiàn)比截面數(shù)據(jù)更嚴(yán)重的異方差。。

第二節(jié)異方差的后果一、對(duì)參數(shù)估計(jì)統(tǒng)計(jì)特性的影響（一）參數(shù)估計(jì)的無偏性仍然成立參數(shù)估計(jì)的無偏性僅依賴于基本假定中的零均值假定（即）。所以異方差的存在對(duì)無偏性的成立沒有影響。（二）參數(shù)估計(jì)的方差不再是最小的同方差假定是OLS估計(jì)方差最小的前提條件，所以隨機(jī)誤差項(xiàng)是異方差時(shí)，將不能再保證最小二乘估計(jì)的方差最小。

二、對(duì)參數(shù)顯著性檢驗(yàn)的影響

由于異方差的影響，使得無法正確估計(jì)參數(shù)的標(biāo)準(zhǔn)誤差，導(dǎo)致參數(shù)估計(jì)的t統(tǒng)計(jì)量值不能正確確定，所以，如果仍用t統(tǒng)計(jì)量值進(jìn)行參數(shù)的顯著性檢驗(yàn)將失去意義。

三、對(duì)預(yù)測(cè)的影響

盡管參數(shù)的OLS估計(jì)量仍然無偏，并且基于此的預(yù)測(cè)也是無偏的，但是由于參數(shù)估計(jì)量不是有效的，從而對(duì)Y的預(yù)測(cè)也將不是有效的。

第三節(jié)異方差的檢驗(yàn)

一、圖形法（一）相關(guān)圖形分析方差描述的是隨機(jī)變量取值的（與其均值的）離散程度。因?yàn)楸唤忉屪兞縔與隨機(jī)誤差項(xiàng)u有相同的方差，所以利用分析Y與X的相關(guān)圖形，可以初略地看到Y(jié)的離散程度與X之間是否有相關(guān)關(guān)系。如果隨著x的增加，Y的離散程度為逐漸增大（或減?。┑淖兓厔?shì)，則認(rèn)為存在遞增型（或遞減型）的異方差。

用1998年四川省各地市州農(nóng)村居民家庭消費(fèi)支出與家庭純收入的數(shù)據(jù)，繪制出消費(fèi)支出對(duì)純收入的散點(diǎn)圖，其中用表示農(nóng)村家庭消費(fèi)支出，表示家庭純收入。圖形舉例:

（二）殘差圖形分析

設(shè)一元線性回歸模型為：（4.10）運(yùn)用OLS法估計(jì),得樣本回歸模型為：(4.11)

由式(4.10)和式(4.11)得殘差

(4.12)

繪制出對(duì)的散點(diǎn)圖：◆如果不隨而變化，則表明不存在異方差，◆如果隨而變化，則表明存在異方差。

二、Goldfeld-Quanadt檢驗(yàn)

●作用：檢驗(yàn)遞增性(或遞減性)異方差。

●基本思想：將樣本分為兩部分，然后分別對(duì)兩個(gè)樣本進(jìn)行回歸，并計(jì)算兩個(gè)子樣的殘差平方和所構(gòu)成的比，以此為統(tǒng)計(jì)量來判斷是否存在異方差。（一）檢驗(yàn)的前提條件

1、要求檢驗(yàn)使用的為大樣本容量。

2、除了同方差假定不成立外，其它假定均滿足。

（二）檢驗(yàn)的具體做法

1、排序?qū)⒔忉屪兞康娜≈蛋磸男〉酱笈判颉?、數(shù)據(jù)分組將排列在中間的約1/4的觀察值刪除掉，記為c，再將剩余的分為兩個(gè)部分，每部分觀察值的個(gè)數(shù)為(n-c)/2。3、提出假設(shè)。即：

分別對(duì)上述兩個(gè)部分的觀察值求回歸模型，由此得到的兩個(gè)部分的殘差平方為和。為前一部分樣本回歸產(chǎn)生的殘差平方和，為后一部分樣本回歸產(chǎn)生的殘差平方和。它們的自由度均為[(n-c)/2]-k，k為參數(shù)的個(gè)數(shù)。在原假設(shè)成立的條件下，因和自由度均為[(n-c)/2]-k，分布，可導(dǎo)出：（4.13）

4、構(gòu)造F統(tǒng)計(jì)量5、判斷給定顯著性水平，查F分布表得臨界值計(jì)算統(tǒng)計(jì)量F*,如果F*＞

則拒絕原假設(shè)，接受備擇假設(shè)，即模型中的隨機(jī)誤差存在異方差。（三）檢驗(yàn)的特點(diǎn)

●要求大樣本

●異方差的表現(xiàn)既可為遞增型，也可為遞減型●檢驗(yàn)結(jié)果與選擇數(shù)據(jù)刪除的個(gè)數(shù)c的大小有關(guān)●只能判斷異方差是否存在，在多個(gè)解釋變量的情況下，對(duì)哪一個(gè)變量引起異方差的判斷存在局限。三、White檢驗(yàn)（一）基本思想：不需要關(guān)于異方差的任何先驗(yàn)信息，只需要在大樣本的情況下，將OLS估計(jì)后的殘差平方對(duì)常數(shù)、解釋變量、解釋變量的平方及其交叉乘積等所構(gòu)成一個(gè)輔助回歸，利用輔助回歸建立相應(yīng)的檢驗(yàn)統(tǒng)計(jì)量來判斷異方差性。

(二)檢驗(yàn)的特點(diǎn)

●

要求變量的取值為大樣本

●不僅能夠檢驗(yàn)異方差的存在性，同時(shí)在多變量的情況下，還能判斷出是哪一個(gè)變量引起的異方差。（三）檢驗(yàn)的基本步驟：

以一個(gè)二元線性回歸模型為例，設(shè)模型為：并且，設(shè)異方差與的一般關(guān)系為

其中為隨機(jī)誤差項(xiàng)。1、求回歸估計(jì)式并計(jì)算用OLS估計(jì)式（4.14），計(jì)算殘差并求殘差的平方。2、求輔助函數(shù)用殘差平方作為異方差的估計(jì)，并建立的輔助回歸，即3、計(jì)算

利用求回歸估計(jì)式（4.15）得到輔助回歸函數(shù)的可決系數(shù)，n為樣本容量。4、提出假設(shè)

中至少有一個(gè)不為零，5、檢驗(yàn)

在零假設(shè)成立下，有漸進(jìn)服從自由度為5的分布。給定顯著性水平,查分布表得臨界值，如果>

,則拒絕原假設(shè)，表明模型中隨機(jī)誤差存在異方差。（一）ARCH過程

設(shè)ARCH過程為p為ARCH過程的階數(shù),并且為隨機(jī)誤差。

（二）檢驗(yàn)的基本思想

在時(shí)間序列數(shù)據(jù)中，可認(rèn)為存在的異方差性為ARCH過程，并通過檢驗(yàn)這一過程是否成立去判斷時(shí)間序列是否存在異方差。

四、ARCH檢驗(yàn)1、提出原假設(shè)：

中至少有一個(gè)不為零2、參數(shù)估計(jì)并計(jì)算對(duì)原模型作OLS估計(jì)，求出殘差，并計(jì)算殘差平方序列，以分別作為對(duì)的估計(jì)。3、求輔助回歸（4.17）

（三）ARCH檢驗(yàn)的基本步驟4、檢驗(yàn)計(jì)算輔助回歸的可決系數(shù)，并且在成立時(shí)，基于大樣本，漸進(jìn)服從給定顯著性水平查分布表得臨界值，如果，則拒絕原假設(shè)，表明模型中得隨機(jī)誤差存在異方差。

(四)檢驗(yàn)的特點(diǎn)

●變量的取值為大樣本，并且是時(shí)間序列●只能判斷模型中是否存在異方差，而不能診斷出哪一個(gè)變量引起的異方差。

五、Glejser檢驗(yàn)（一）檢驗(yàn)的基本思想由OLS法得到殘差，取得絕對(duì)值，然后將對(duì)某個(gè)解釋變量回歸，根據(jù)回歸模型的顯著性和擬合優(yōu)度來判斷是否存在異方差。（二）檢驗(yàn)的特點(diǎn)不僅能對(duì)異方差的存在進(jìn)行判斷，而且還能對(duì)異方差隨某個(gè)解釋變量變化的函數(shù)形式進(jìn)行診斷。該檢驗(yàn)要求變量的觀測(cè)值為大樣本。（三）檢驗(yàn)的步驟1、建立模型并求根據(jù)樣本數(shù)據(jù)建立回歸模型，并求殘差序列2、尋找與的最佳函數(shù)形式用殘差絕對(duì)值對(duì)進(jìn)行回歸，用各種函數(shù)形式去試，尋找最佳的函數(shù)形式。3、判斷根據(jù)選擇的函數(shù)形式作對(duì)的回歸，用作為的替代變量，對(duì)所選函數(shù)形式回歸。用回歸所得到的、t、F等信息判斷，若表明參數(shù)顯著不為零，即認(rèn)為存在異方差性?！裟Ｐ妥儞Q法◆加權(quán)最小二乘法◆模型的對(duì)數(shù)變換第四節(jié)異方差的修正一、模型變換法以一元線性回歸模型為例：（4.17）經(jīng)檢驗(yàn)存在異方差，且，其中是常數(shù)，是的某種函數(shù)。變換模型時(shí)，用去除（4.17）式的兩端，得：

記（4.18）則有：

（4.19）式的隨機(jī)誤差項(xiàng)的方差為（4.20)

經(jīng)變換的（4.19）式的隨機(jī)誤差項(xiàng)已是同方差。

▲常見的設(shè)定形式及對(duì)應(yīng)的情況

形式二、加權(quán)最小二乘法以一元線性回歸模型為例：（4.17）經(jīng)檢驗(yàn)存在異方差且，其中是常數(shù)，是的某種函數(shù)。（一）基本思路

區(qū)別對(duì)待不同的。對(duì)較小的給予較大的權(quán)數(shù)，對(duì)較大的給予較小的權(quán)數(shù)，從而使更好地反映對(duì)殘差平方和的影響。（二）具體做法

1、選取權(quán)數(shù)并求出加權(quán)的殘差平方和通常取權(quán)數(shù)

,當(dāng)越小時(shí)，越大。當(dāng)越大時(shí)，越小。將權(quán)數(shù)與殘差平方相乘以后再求和，得到加權(quán)的殘差平方和：2、求使?jié)M足的

根據(jù)最小二乘原理，若使得加權(quán)殘差平方和最小，則：

其中：

三、模型的對(duì)數(shù)變換

在經(jīng)濟(jì)意義成立的情況下，如果對(duì)模型：作對(duì)數(shù)變換，其變量和分別用和代替，即：對(duì)數(shù)變換后的模型通?？梢越档彤惙讲钚缘挠绊懀骸暨\(yùn)用對(duì)數(shù)變換能使測(cè)定變量值的尺度縮小。◆經(jīng)過對(duì)數(shù)變換后的線性模型，其殘差表示相對(duì)誤差往往比絕對(duì)誤差有較小的差異。注意：對(duì)變量取對(duì)數(shù)雖然能夠減少異方差對(duì)模型的影響，但應(yīng)注意取對(duì)數(shù)后變量的經(jīng)濟(jì)意義。第五章序列相關(guān)引子

T檢驗(yàn)和F檢驗(yàn)一定就可靠嗎?研究居民儲(chǔ)蓄存款Y與居民收入X的關(guān)系：用普通最小二乘法估計(jì)其參數(shù)，結(jié)果為（1.8690）(0.0055)t=(14.9343)(64.2069)F=4122.531檢驗(yàn)結(jié)果：回歸系數(shù)的標(biāo)準(zhǔn)誤差非常小，t統(tǒng)計(jì)量較大，說明居民收入X對(duì)居民儲(chǔ)蓄存款Y的影響非常顯著。同時(shí)可決系數(shù)也非常高，F(xiàn)統(tǒng)計(jì)量=4122.531，也表明模型異常的顯著。但此估計(jì)結(jié)果可能是虛假的，t統(tǒng)計(jì)量和F統(tǒng)計(jì)量都被虛假地夸大，因此所得結(jié)果是不可信的。為什么?第一節(jié)序列相關(guān)的定義一、序列相關(guān)的概念

序列相關(guān)（serialcorrelation），

又稱自相關(guān)（autocorrelation），是指總體回歸模型的隨機(jī)誤差項(xiàng)之間存在相關(guān)關(guān)系。即不同觀測(cè)點(diǎn)上的誤差項(xiàng)彼此相關(guān)。

序列相關(guān)系數(shù)ρ的定義與普通相關(guān)系的公式形式相同，ρ的取值范圍為-1≤ρ

≤1。式（5.1）中ut-1是ut滯后一期的隨機(jī)誤差項(xiàng)，因此，將式（5.1）計(jì)算的序列相關(guān)系數(shù)ρ稱為一階序列相關(guān)系數(shù)。一階序列相關(guān)系數(shù)

式(5.1)二、序列相關(guān)產(chǎn)生的原因序列相關(guān)產(chǎn)生的原因1、經(jīng)濟(jì)系統(tǒng)的慣性2、經(jīng)濟(jì)活動(dòng)的滯后效應(yīng)

3、數(shù)據(jù)處理造成的相關(guān)4、蛛網(wǎng)現(xiàn)象

5、模型設(shè)定偏誤

如GDP、價(jià)格、就業(yè)等經(jīng)濟(jì)指標(biāo)都會(huì)隨經(jīng)濟(jì)系統(tǒng)的周期而波動(dòng)。例如，在經(jīng)濟(jì)高漲時(shí)期，較高的經(jīng)濟(jì)增長(zhǎng)率會(huì)持續(xù)一段時(shí)間，而在經(jīng)濟(jì)衰退期，較高的失業(yè)率也會(huì)持續(xù)一段時(shí)間，這種現(xiàn)象就會(huì)表現(xiàn)為經(jīng)濟(jì)指標(biāo)的序列相關(guān)現(xiàn)象。

序列相關(guān)現(xiàn)象大多出現(xiàn)在時(shí)間序列數(shù)據(jù)中，而經(jīng)濟(jì)系統(tǒng)的經(jīng)濟(jì)行為都具有時(shí)間上的慣性。原因1－經(jīng)濟(jì)系統(tǒng)的慣性

滯后效應(yīng)是指某一指標(biāo)對(duì)另一指標(biāo)的影響不僅限于當(dāng)期而是延續(xù)若干期。由此帶來變量的序列相關(guān)。

例如，居民當(dāng)期可支配收入的增加，不會(huì)使居民的消費(fèi)水平在當(dāng)期就達(dá)到應(yīng)有水平，而是要經(jīng)過若干期才能達(dá)到。因?yàn)槿说南M(fèi)觀念的改變客觀上存在自適應(yīng)期。原因2－

經(jīng)濟(jì)活動(dòng)的滯后效應(yīng)

因?yàn)槟承┰驅(qū)?shù)據(jù)進(jìn)行了修整和內(nèi)插處理，在這樣的數(shù)據(jù)序列中就會(huì)有序列相關(guān)。

例如，將月度數(shù)據(jù)調(diào)整為季度數(shù)據(jù)，由于采用了加合處理，修勻了月度數(shù)據(jù)的波動(dòng)，使季度數(shù)據(jù)具有平滑性，這種平滑性產(chǎn)生序列相關(guān)。對(duì)缺失的歷史資料，采用特定統(tǒng)計(jì)方法進(jìn)行內(nèi)插處理，使得數(shù)據(jù)前后期相關(guān)，產(chǎn)生了序列相關(guān)。原因3－數(shù)據(jù)處理造成的相關(guān)

許多農(nóng)產(chǎn)品的供給呈現(xiàn)為蛛網(wǎng)現(xiàn)象，供給對(duì)價(jià)格的反應(yīng)要滯后一段時(shí)間，因?yàn)楣┙o需要經(jīng)過一定的時(shí)間才能實(shí)現(xiàn)。如果時(shí)期t的價(jià)格Pt低于上一期的價(jià)格Pt-1，農(nóng)民就會(huì)減少時(shí)期t+1的生產(chǎn)量。如此則形成蛛網(wǎng)現(xiàn)象，此時(shí)的供給模型為:

蛛網(wǎng)現(xiàn)象是微觀經(jīng)濟(jì)學(xué)中的一個(gè)概念。它表示某種商品的供給量受前一期價(jià)格影響而表現(xiàn)出來的某種規(guī)律性，即呈蛛網(wǎng)狀收斂或發(fā)散于供需的均衡點(diǎn)。原因4－蛛網(wǎng)現(xiàn)象供給t=β1+β2價(jià)格t-1+ut(5.2)原因5－模型設(shè)定偏誤而建立模型時(shí)，模型設(shè)定為:例如，應(yīng)該用兩個(gè)解釋變量解釋Y，即:則X3t對(duì)Yt的影響在式（5.4）中便歸入隨機(jī)誤差項(xiàng)ut中，由于X3t在不同觀測(cè)點(diǎn)上是相關(guān)的，這就造成了ut在不同觀測(cè)點(diǎn)是相關(guān)的，呈現(xiàn)出系統(tǒng)模式，此時(shí)ut是序列相關(guān)的。(5.3)(5.4)

如果模型中省略了某些重要的解釋變量或者模型函數(shù)形式不正確，都會(huì)產(chǎn)生系統(tǒng)誤差，這種誤差存在于隨機(jī)誤差項(xiàng)中，從而帶來了序列相關(guān)。由于該現(xiàn)象是由于設(shè)定失誤造成的序列相關(guān)，因此，也稱其為虛假序列相關(guān)。

模型形式設(shè)定偏誤也會(huì)導(dǎo)致序列相關(guān)現(xiàn)象。如將U形成本曲線設(shè)定為線性成本曲線，則必定會(huì)導(dǎo)致序列相關(guān)。由設(shè)定偏誤產(chǎn)生的序列相關(guān)是一種虛假序列相關(guān)，可通過改變模型設(shè)定予以消除。

序列相關(guān)關(guān)系主要存在于時(shí)間序列數(shù)據(jù)中，但是在橫截面數(shù)據(jù)中，也可能會(huì)出現(xiàn)序列相關(guān),通常稱其為空間序列相關(guān)（Spatialautocorrelation）。三、序列相關(guān)的表現(xiàn)形式

序列相關(guān)的性質(zhì)可以用序列相關(guān)系數(shù)ρ的符號(hào)判斷序列相關(guān)的方向，即ρ<0為負(fù)相關(guān)，ρ>0為正相關(guān)。當(dāng)|ρ|接近1時(shí)，表示相關(guān)的程度很高。但序列相關(guān)是u1，u2，…，un序列自身的相關(guān)，因n個(gè)隨機(jī)誤差項(xiàng)的關(guān)聯(lián)形式不同而具有不同的序列相關(guān)形式。序列相關(guān)大多出現(xiàn)在時(shí)間序列數(shù)據(jù)中。

對(duì)于樣本觀測(cè)期為n的時(shí)間序列數(shù)據(jù)，可得到總體回歸模型(PRF)的隨機(jī)誤差項(xiàng)為u1，u2，…，un，如果序列相關(guān)形式為ut=ρut-1+vt

-1<ρ<1

其中ρ

為序列相關(guān)系數(shù)，vt為經(jīng)典誤差項(xiàng)，即E(vt)=0，Var(vt)=σ2，Cov(vt，vt+s)=0，s≠0。則式（5.5）稱為一階自回歸模式，記為AR(1)。因?yàn)槟Ｐ停?.5）中ut-1是ut滯后一期的值，因此稱為一階。式（5.5）中的ρ也稱為一階序列相關(guān)系數(shù)。(5.5)

如果式（5.5）中的隨機(jī)誤差項(xiàng)vt不是經(jīng)典誤差項(xiàng)，即vt中包含有ut的成份，如包含有ut-2則需將ut-2顯含在回歸模型中，其為ut

=

ρ1ut-1+ρ2ut-2

+vt′(5.6)其中，ρ1為一階序列相關(guān)系數(shù)，ρ2為二階序列相關(guān)系數(shù)，vt′是經(jīng)典誤差項(xiàng)。式（5.6）稱為二階自回歸模式，記為AR(2)。一般地，如果u1，u2，…，ut之間的關(guān)系為(5.7)其中，vt為經(jīng)典誤差項(xiàng)。則稱式(5.7)為m階自回歸模式，記為AR(m)。在經(jīng)濟(jì)計(jì)量分析中，通常采用一階自回歸形式，即假定自回歸形式為一階自回歸AR(1)。

第二節(jié)序列相關(guān)的后果序列相關(guān)的后果對(duì)參數(shù)估計(jì)的影響

對(duì)模型檢驗(yàn)的影響對(duì)模型預(yù)測(cè)的影響一、對(duì)參數(shù)估計(jì)的影響

在有序列相關(guān)的條件下，仍然使用普通最小二乘法將低估估計(jì)量的方差。

將低估真實(shí)的。對(duì)于一元線性回歸模型:(5.8)(5.9)其中，

為現(xiàn)期隨機(jī)誤差，

為前期隨機(jī)誤差。

是經(jīng)典誤差項(xiàng)，滿足零均值，同方差

，無序列相關(guān)的假定。假定隨機(jī)誤差項(xiàng)u存在一階序列相關(guān):(5.10)將隨機(jī)誤差項(xiàng)

的各期滯后值:逐次代入式（5.9）可得:式（5.10）表明隨機(jī)誤差項(xiàng)

可表示為獨(dú)立同分布的隨機(jī)誤差序列，，，…

的加權(quán)和，權(quán)數(shù)分別為1，，，…，當(dāng)0<ρ<1時(shí)，這些權(quán)數(shù)是隨時(shí)間推移而呈幾何衰減的；而當(dāng)-1<ρ

<0時(shí)，這些權(quán)數(shù)是隨時(shí)間推移而交錯(cuò)振蕩衰減的。(5.11)(5.12)式（5.11）、式（5.12）表明，在

為一階自回歸的相關(guān)形式時(shí)，隨機(jī)誤差

依然是零均值、同方差的誤差項(xiàng)。由式（5.10）可推得:(5.13)由于現(xiàn)期的隨機(jī)誤差項(xiàng)

并不影響回歸模型中隨機(jī)誤差項(xiàng)

的以前各期值

(k>0)，所以與

不相關(guān)，即有。因此，由式（5.9）可得隨機(jī)誤差項(xiàng)

與其以前各期

的協(xié)方差分別為:(5.14)

（5.15）

（5.16）

這些協(xié)方差分別稱為隨機(jī)誤差項(xiàng)

的一階自協(xié)方差、二階自協(xié)方差和k

階自協(xié)方差。對(duì)于一元線性回歸模型（5.8），當(dāng)u為經(jīng)典誤差項(xiàng)時(shí)，普通最小二乘估計(jì)量的方差為:以此類推，可得

:當(dāng)式（5.8）的隨機(jī)誤差項(xiàng)u有序列相關(guān)時(shí)， 依然是無偏的，即，這一點(diǎn)在普通最小二乘法無偏性證明中可以看到。因?yàn)?，無偏性證明并不需要u

滿足無序列相關(guān)的假定。那么，最小二乘估計(jì)量是否是有效的，即在所有線性無偏估計(jì)量中方差最小呢？下面我們將以說明。式（5.8）中的最小二乘估計(jì)量為（5.17）

因此:（5.18）

當(dāng)存在序列相關(guān)時(shí)，普通最小二乘估計(jì)量不再是最佳線性無估計(jì)量，即它在線性無偏估計(jì)量中不是方差最小的。在實(shí)際經(jīng)濟(jì)系統(tǒng)中，通常存在正的序列相關(guān)，即ρ>0，同時(shí)X序列自身也呈正相關(guān)，因此式(5.18)右邊括號(hào)內(nèi)的值通常大于0。因此，在有序列相關(guān)的條件下，仍然使用普通最小二乘法將低估估計(jì)量的方差。將低估真實(shí)的

。二、對(duì)模型檢驗(yàn)的影響

對(duì)模型檢驗(yàn)的影響考慮序列相關(guān)時(shí)的檢驗(yàn)忽視序列相關(guān)時(shí)的檢驗(yàn)（一）考慮序列相關(guān)時(shí)的檢驗(yàn)

由于并不是所有線性無偏估計(jì)量中最小的，使用t檢驗(yàn)判斷回歸系數(shù)的顯著性時(shí)就可能得到錯(cuò)誤的結(jié)論。

t檢驗(yàn)的統(tǒng)計(jì)量為

由于的錯(cuò)誤夸大，得到的t

統(tǒng)計(jì)量就可能小于臨界值，從而得到參數(shù)β

不顯著的結(jié)論。而這一結(jié)論可能是不正確的。（二）忽視序列相關(guān)時(shí)的檢驗(yàn)

如果我們忽視序列相關(guān)問題依然假設(shè)經(jīng)典假定成立，使用，將會(huì)導(dǎo)致錯(cuò)誤結(jié)果。

當(dāng)ρ

>0，即有正相關(guān)時(shí)，對(duì)所有的j都有ρ

>0。另外回歸模型中的解釋變量在不同時(shí)期通常是正相關(guān)的，對(duì)于xt和xt+j來說是大于0的。

因此，由式(5.18)可以看出，普通最小二乘法的方差通常會(huì)低估的真實(shí)方差。當(dāng)ρ

較大和Ｘt有較強(qiáng)的正序列相關(guān)時(shí)，普通最小二乘估計(jì)量的方差會(huì)有很大偏差，我們會(huì)夸大估計(jì)量的估計(jì)精度，即得到較小的標(biāo)準(zhǔn)誤。

因?yàn)榈臉?biāo)準(zhǔn)誤是的標(biāo)準(zhǔn)差的估計(jì)值，在有序列相關(guān)時(shí)，普通最小二乘估計(jì)的標(biāo)準(zhǔn)誤就不可靠了。一個(gè)被低估了的標(biāo)準(zhǔn)誤意味著一個(gè)較大的t統(tǒng)計(jì)量。因此，當(dāng)ρ>0時(shí)，通常t統(tǒng)計(jì)量都很大。這種有偏的t統(tǒng)計(jì)量是不能用來判斷回歸系數(shù)的顯著性的。

綜上所述，在序列相關(guān)情形下，無論考慮序列相關(guān)，還是忽視序列相關(guān)，通常的回歸系統(tǒng)顯著性的t檢驗(yàn)都將是無效的。類似地，由于序列相關(guān)的存在，參數(shù)的最小二乘估計(jì)量是無效的，使得F檢驗(yàn)和

檢驗(yàn)也是不可靠的。三、對(duì)模型預(yù)測(cè)的影響模型預(yù)測(cè)的精度決定于抽樣誤差和總體誤差項(xiàng)的方差

。抽樣誤差來自于對(duì)的估計(jì)，在序列相關(guān)情形下，

的方差的最小二乘估計(jì)變得不可靠，由此必定加大抽樣誤差。同時(shí)，在序列相關(guān)情形下，對(duì)

的估計(jì) 也會(huì)不可靠。由此可看出，影響預(yù)測(cè)精度的兩大因素都會(huì)因序列相關(guān)的存在而加大不確定性，使預(yù)測(cè)的置信區(qū)間不可靠，從而降低預(yù)測(cè)的精度。一、圖示檢驗(yàn)法

圖示法是一種直觀的診斷方法，它是把給定的回歸模型直接用普通最小二乘法估計(jì)參數(shù)，求出殘差項(xiàng)et,et作為ut隨機(jī)項(xiàng)的真實(shí)估計(jì)值，再描繪et

的散點(diǎn)圖，根據(jù)散點(diǎn)圖來判斷et的相關(guān)性。殘差et的散點(diǎn)圖通常有兩種繪制方式。第三節(jié)序列相關(guān)的檢驗(yàn)etet-1圖5.1et與et-1的關(guān)系

繪制et-1

,et

的散點(diǎn)圖。用(et-1

,et

)（t=1,2,…n）作為散布點(diǎn)繪圖，如果大部分點(diǎn)落在第Ⅰ、Ⅲ象限，表明隨機(jī)誤差項(xiàng)ut存在著正序列相關(guān)，如圖5.1所示。

如果大部分點(diǎn)落在第Ⅱ、Ⅳ象限，那么隨機(jī)誤差項(xiàng)ut存在著負(fù)序列相關(guān)，如圖5.2所示。

et-1et圖5.2et與et-1的關(guān)系tet圖5.3et的分布按照時(shí)間順序繪制回歸殘差項(xiàng)et的圖形。如果et

(t=1,2,…,n)隨著t的變化逐次有規(guī)律地變化，呈現(xiàn)鋸齒形或循環(huán)形狀的變化，就可斷言

et存在相關(guān)，表明存在著序列相關(guān)；如果et隨著t的變化逐次變化并不斷地改變符號(hào)，那么隨機(jī)誤差項(xiàng)ut存在負(fù)序列相關(guān)；如圖5.3所示。

圖5.4et的分布tet如果et隨著t的變化逐次變化并不頻繁地改變符號(hào)，而是幾個(gè)正的et后面跟著幾個(gè)負(fù)的，則表明隨機(jī)誤差項(xiàng)存ut

在正序列相關(guān)，如圖5.4所示。

二、DW檢驗(yàn)法

DW檢驗(yàn)是J.Durbin(杜賓)和G.S.Watson(沃特森)于1951年提出的一種適用于小樣本的檢驗(yàn)方法。DW檢驗(yàn)只能用于檢驗(yàn)隨機(jī)誤差項(xiàng)具有一階自回歸形式的序列相關(guān)問題。這種檢驗(yàn)方法是建立經(jīng)濟(jì)計(jì)量模型中最常用的方法，一般的計(jì)算機(jī)軟件都可以計(jì)算出DW值。(5.20)(5.21)(5.22)隨機(jī)誤差項(xiàng)的一階自回歸形式為：為了檢驗(yàn)序列的相關(guān)性，構(gòu)造的原假設(shè)是：

為了檢驗(yàn)上述假設(shè)，構(gòu)造DW統(tǒng)計(jì)量首先要求出回歸估計(jì)式的殘差et定義DW統(tǒng)計(jì)量為：DW值的取值范圍

在認(rèn)為：

則：(5.23)(5.24)由于4(2,4)2(0,2)0-1(-1,0)0(0,1)1DW表5.1因此，。所以，DW值與的對(duì)應(yīng)關(guān)系如表5.1所示。

由上述討論可知DW的取值范圍為：０≤DW≤４

根據(jù)樣本容量n和解釋變量的數(shù)目k′(不包括常數(shù)項(xiàng))查DW分布表，得臨界值dL和dU

，然后依下列準(zhǔn)則考察計(jì)算得到的DW值，以決定模型的序列相關(guān)狀態(tài)。誤差項(xiàng)u1,u2,…,un間存在負(fù)相關(guān)４－dL≤DW≤４不能判定是否有序列相關(guān)４－dU≤DW＜４－dL誤差項(xiàng)u1,u2,…,un間無序列相關(guān)dU＜DW＜４－dU不能判定是否有序列相關(guān)dL＜DW≤dU誤差項(xiàng)u1,u2,…,un間存在正相關(guān)

０≤DW≤dL表5.2DW檢驗(yàn)決策規(guī)則f(DW)不能確定正序列相關(guān)無序列相關(guān)不能確定負(fù)序列相關(guān)DW44-dL4-

dU2dUdL圖5.5DW檢驗(yàn)示意圖

表5.2可以用坐標(biāo)圖更加直觀地表示出來：

需要注意的是，DW檢驗(yàn)盡管有著廣泛的應(yīng)用，但也有明顯的缺點(diǎn)和局限性。

①DW檢驗(yàn)有兩個(gè)不能確定的區(qū)域，一旦DW值落在這兩個(gè)區(qū)域，就無法判斷。這時(shí)，只有增大樣本容量或選取其他方法；

②DW統(tǒng)計(jì)量的上、下界表要求n≥15，這是因?yàn)闃颖救绻傩?，利用殘差就很難對(duì)序列相關(guān)的存在性做出比較正確的診斷；③DW檢驗(yàn)不適應(yīng)隨機(jī)誤差項(xiàng)具有高階序列相關(guān)的檢驗(yàn)；④只適用于有常數(shù)項(xiàng)的回歸模型并且解釋變量中不能含滯后的被解釋變量。

第四節(jié)序列相關(guān)的修正

對(duì)于虛假序列相關(guān)，由于是模型設(shè)定偏誤造成的，只能通過改變模型的設(shè)定去消除。對(duì)于設(shè)定正確的模型，如隨機(jī)誤差項(xiàng)有序列相關(guān)，則為真實(shí)的序列相關(guān)。對(duì)于真實(shí)的序列相關(guān)可采用如下方法予以消除。廣義差分法Cochrane－Orcutt迭代法

其它方法：一階差分法德賓兩步法

廣義差分法

對(duì)于序列相關(guān)的結(jié)構(gòu)已知的情形可采用廣義差分法解決。

由于隨機(jī)誤差項(xiàng)ut是不可觀測(cè)的，通常我們假定ut為一階自回歸形式，即ut

=ρut-1+vt（5.25）其中，|ρ|<1，vt為經(jīng)典誤差項(xiàng)。

當(dāng)序列相關(guān)系數(shù)為已知時(shí)，使用廣義差分法，序列相關(guān)問題就可徹底解決。我們以一元線性回歸模型為例說明廣義差分法的應(yīng)用。

對(duì)于一元線性回歸模型

(5.26)將模型（5.26）滯后一期可得(5.27)用ρ

乘式（5.27）兩邊，得

(5.28)用式（5.26）減去式（5.28）可得(5.29)模型，隨機(jī)誤差項(xiàng)無序列相關(guān)。式（5.29）中，ut－ρut-1=vt

是經(jīng)典誤差項(xiàng)。因此，模型（5.29）已經(jīng)是經(jīng)典線性回歸令

則式（5.29）可表示為：(5.30)

對(duì)模型（5.30）使用普通最小二乘估計(jì)就會(huì)得到參數(shù)估計(jì)的最佳線性無偏估計(jì)量。

式（5.29）稱為廣義差分方程，因?yàn)楸唤忉屪兞颗c解釋變量均為現(xiàn)期值減去前期值的一部分，由此而得名。

在進(jìn)行廣義差分時(shí)，解釋變量X與被解釋變量Y均以差分形式出現(xiàn)，因而樣本容量由n減少為n－1，即丟失了第一個(gè)觀測(cè)值。如果樣本容量較大，減少一個(gè)觀測(cè)值對(duì)估計(jì)結(jié)果影響不大。但是，如果樣本容量較小，則對(duì)估計(jì)精度產(chǎn)生較大的影響。此時(shí)，可采用普萊斯－溫斯滕（Prais-Winsten）變換，將第一個(gè)觀測(cè)值變換為補(bǔ)充到差分序列中，再使用普通最小二乘法估計(jì)參數(shù)。

第六章多重共線性第一節(jié)多重共線性的定義一、多重共線性的含義

在計(jì)量經(jīng)濟(jì)學(xué)中所謂的多重共線性(Multi-Collinearity)，不僅包括完全的多重共線性，還包括不完全的多重共線性。

如果存在不全為0的數(shù)

,使得則稱解釋變量之間存在著完全的多重共線性。當(dāng)Rank(X)<k時(shí)，表明在數(shù)據(jù)矩陣X中，至少有一個(gè)列向量可以用其余的列向量線性表示，則說明存在完全的多重共線性。對(duì)于解釋變量

不完全的多重共線性

實(shí)際中，常見的情形是解釋變量之間存在不完全的多重共線性。對(duì)于解釋變量，存在不全為0的數(shù)，使得

為隨機(jī)變量。這表明解釋變量只是一種近似的線性關(guān)系。其中,回歸模型中解釋變量的關(guān)系

可能表現(xiàn)為三種情形：(1)

，解釋變量間毫無線性關(guān)系，變量間相互正交。這時(shí)已不需要作多元回歸，每個(gè)參數(shù)j都可以通過Y對(duì)Xj的一元回歸來估計(jì)。

，解釋變量間完全共線性。此時(shí)模型參數(shù)將無法確定。

，解釋變量間存在一定程度的線性關(guān)系。實(shí)際中常遇到的情形。(2)(3)

二、產(chǎn)生多重共線性的原因

多重共線性產(chǎn)生的經(jīng)濟(jì)原因主要有幾種情形：

1、經(jīng)濟(jì)變量之間具有共同變化趨勢(shì)。

2、模型中包含滯后變量。

3、利用截面數(shù)據(jù)建立模型也可能出現(xiàn)多重共線性。

4、樣本數(shù)據(jù)自身的原因。第二節(jié)多重共線性產(chǎn)生的后果一、完全多重共線性產(chǎn)生的后果1、參數(shù)的估計(jì)值不確定當(dāng)解釋變量完全線性相關(guān)時(shí)——OLS估計(jì)式不確定▲從偏回歸系數(shù)意義看：在和完全共線性時(shí)，無法保持不變，去單獨(dú)考慮對(duì)Y的影響（和的影響不可區(qū)分）▲從OLS估計(jì)式看：可以證明此時(shí)2、參數(shù)估計(jì)值的方差無限大OLS估計(jì)式的方差成為無窮大二、不完全多重共線性下產(chǎn)生的后果

如果模型中存在不完全的多重共線性，可以得到參數(shù)的估計(jì)值，但是對(duì)計(jì)量經(jīng)濟(jì)分析可能會(huì)產(chǎn)生一系列的影響。

1、參數(shù)估計(jì)值的方差增大當(dāng)增大時(shí)也增大

2、對(duì)參數(shù)區(qū)間估計(jì)時(shí)，置信區(qū)間趨于變大

3、假設(shè)檢驗(yàn)容易作出錯(cuò)誤的判斷

4、可能造成可決系數(shù)較高，但對(duì)各個(gè)參數(shù)單獨(dú)的t檢驗(yàn)卻可能不顯著，甚至可能使估計(jì)的回歸系數(shù)符號(hào)相反，得出完全錯(cuò)誤的結(jié)論。第三節(jié)多重共線性的檢驗(yàn)一、簡(jiǎn)單相關(guān)系數(shù)檢驗(yàn)法含義：簡(jiǎn)單相關(guān)系數(shù)檢驗(yàn)法是利用解釋變量之間的線性相關(guān)程度去判斷是否存在嚴(yán)重多重共線性的一種簡(jiǎn)便方法。判斷規(guī)則：一般而言，如果每?jī)蓚€(gè)解釋變量的簡(jiǎn)單相關(guān)系數(shù)(零階相關(guān)系數(shù))比較高，例如大于0.8，則可認(rèn)為存在著較嚴(yán)重的多重共線性。注意事項(xiàng)：較高的簡(jiǎn)單相關(guān)系數(shù)只是多重共線性存在的充分條件，而不是必要條件。特別是在多于兩個(gè)解釋變量的回歸模型中，有時(shí)較低的簡(jiǎn)單相關(guān)系數(shù)也可能存在多重共線性。因此并不能簡(jiǎn)單地依據(jù)相關(guān)系數(shù)進(jìn)行多重共線性的準(zhǔn)確判斷。二、方差擴(kuò)大（膨脹）因子法

含義：統(tǒng)計(jì)上可以證明，解釋變量的參數(shù)估計(jì)值的方差可表示為

其中的是變量(VarianceInflationFactor)，即的方差擴(kuò)大因子其中是多個(gè)解釋變量輔助回歸的可決系數(shù)

經(jīng)驗(yàn)規(guī)則

方差膨脹因子越大，表明解釋變量之間的多重共線性越嚴(yán)重。反過來，方差膨脹因子越接近于1，多重共線性越弱。經(jīng)驗(yàn)表明，方差膨脹因子≥10時(shí)，說明解釋變量與其余解釋變量之間有嚴(yán)重的多重共線性，且這種多重共線性可能會(huì)過度地影響最小二乘估計(jì)。三、直觀判斷法(1)當(dāng)增加或剔除一個(gè)解釋變量，或者改變一個(gè)觀測(cè)值時(shí)，回歸參數(shù)的估計(jì)值發(fā)生較大變化，回歸方程可能存在嚴(yán)重的多重共線性。

(2)從定性分析認(rèn)為，一些重要的解釋變量的回歸系數(shù)的標(biāo)準(zhǔn)誤差較大，在回歸方程中沒有通過顯著性檢驗(yàn)時(shí)，可初步判斷可能存在嚴(yán)重的多重共線性。

(3)有些解釋變量的回歸系數(shù)所帶正負(fù)號(hào)與定性分析結(jié)果違背時(shí)，很可能存在多重共線性。

(4)解釋變量的相關(guān)矩陣中，自變量之間的相關(guān)系數(shù)較大時(shí)，可能會(huì)存在多重共線性問題。四、逐步回歸檢測(cè)法

逐步回歸的基本思想將變量逐個(gè)的引入模型，每引入一個(gè)解釋變量后，都要進(jìn)行Ｆ檢驗(yàn)，并對(duì)已經(jīng)選入的解釋變量逐個(gè)進(jìn)行t檢驗(yàn)，當(dāng)原來引入的解釋變量由于后面解釋變量的引入而變得不再顯著時(shí)，則將其剔除。以確保每次引入新的變量之前回歸方程中只包含顯著的變量。在逐步回歸中，高度相關(guān)的解釋變量，在引入時(shí)會(huì)被剔除。因而也是一種檢測(cè)多重共線性的有效方法。第四節(jié)多重共線性的補(bǔ)救措施一、修正多重共線性的經(jīng)驗(yàn)方法1、剔除變量法把方差擴(kuò)大因子最大者所對(duì)應(yīng)的自變量首先剔除再重新建立回歸方程，直至回歸方程中不再存在嚴(yán)重的多重共線性?？赡芤鹉Ｐ偷脑O(shè)定誤差。2、增大樣本容量如果樣本容量增加，會(huì)減小回歸參數(shù)的方差，標(biāo)準(zhǔn)誤差也同樣會(huì)減小。因此盡可能地收集足夠多的數(shù)據(jù)可以改進(jìn)模型參數(shù)的估計(jì)。3、變換模型形式一般而言，差分后變量之間的相關(guān)性要比差分前弱得多，所以差分后的模型可以有效地降低出現(xiàn)共線性的可能性，此時(shí)可直接估計(jì)差分方程。差分會(huì)丟失一些信息，差分模型的誤差項(xiàng)可能存在序列相關(guān)，可能會(huì)違背經(jīng)典線性回歸模型的相關(guān)假設(shè)，在具體運(yùn)用時(shí)要慎重。4、利用非樣本先驗(yàn)信息通過經(jīng)濟(jì)理論分析能夠得到某些參數(shù)之間的線性關(guān)系，可以將這種線性關(guān)系作為約束條件，將此約束條件和樣本信息結(jié)合起來進(jìn)行約束最小二乘估計(jì)。5、橫截面數(shù)據(jù)與時(shí)序數(shù)據(jù)并用首先利用橫截面數(shù)據(jù)估計(jì)出部分參數(shù)，再利用時(shí)序數(shù)據(jù)估計(jì)出另外的部分參數(shù)，最后得到整個(gè)方程參數(shù)的估計(jì)。包含假設(shè)：參數(shù)的橫截面估計(jì)和從純粹時(shí)間序列分析中得到的估計(jì)是一樣的。6、變量變換變量變換的主要方法：(1)計(jì)算相對(duì)指標(biāo)(2)將名義數(shù)據(jù)轉(zhuǎn)換為實(shí)際數(shù)據(jù)(3)將小類指標(biāo)合并成大類指標(biāo)變量數(shù)據(jù)的變換只是有時(shí)可得到較好的結(jié)果，但誰也無法保證一定可以得到很好的結(jié)果。二、逐步回歸法

（1）用被解釋變量對(duì)每一個(gè)所考慮的解釋變量做簡(jiǎn)單回歸。

（2）以對(duì)被解釋變量貢獻(xiàn)最大的解釋變量所對(duì)應(yīng)的回歸方程為基礎(chǔ)，按對(duì)被解釋變量貢獻(xiàn)大小的順序逐個(gè)引入其余的解釋變量。

若新變量的引入改進(jìn)了R2和F檢驗(yàn)，且回歸參數(shù)的t檢驗(yàn)在統(tǒng)計(jì)上也是顯著的，則在模型中保留該變量。若新變量的引入未能改進(jìn)R2和F檢驗(yàn)，且對(duì)其他回歸參數(shù)估計(jì)值的t檢驗(yàn)也未帶來什么影響，則認(rèn)為該變量應(yīng)該舍棄。若新變量的引入未能改進(jìn)R2和F檢驗(yàn)，且顯著地影響了其他回歸參數(shù)估計(jì)值的數(shù)值或符號(hào)，同時(shí)本身的回歸參數(shù)也通不過t檢驗(yàn)，說明出現(xiàn)了嚴(yán)重的多重共線性，應(yīng)剔除該變量。THANKS結(jié)束了！安全閥基本知識(shí)如果壓力容器(設(shè)備/管線等)壓力超過設(shè)計(jì)壓力…1.盡可能避免超壓現(xiàn)象堵塞(BLOCKED)火災(zāi)(FIRE)熱泄放(THERMALRELIEF)如何避免事故的發(fā)生?2.使用安全泄壓設(shè)施爆破片安全閥如何避免事故的發(fā)生?01安全閥的作用就是過壓保護(hù)!一切有過壓可能的設(shè)施都需要安全閥的保護(hù)!這里的壓力可以在200KG以上,也可以在1KG以下!設(shè)定壓力(setpressure)安全閥起跳壓力背壓(backpressure)安全閥出口壓力超壓(overpressure)表示安全閥開啟后至全開期間入口積聚的壓力.幾個(gè)壓力概念彈簧式先導(dǎo)式重力板式先導(dǎo)+重力板典型應(yīng)用電站鍋爐典型應(yīng)用長(zhǎng)輸管線典型應(yīng)用罐區(qū)安全閥的主要類型02不同類型安全閥的優(yōu)缺點(diǎn)結(jié)構(gòu)簡(jiǎn)單,可靠性高適用范圍廣價(jià)格經(jīng)濟(jì)對(duì)介質(zhì)不過分挑剔彈簧式安全閥的優(yōu)點(diǎn)預(yù)漏--由于閥座密封力隨介質(zhì)壓力的升高而降低,所以會(huì)有預(yù)漏現(xiàn)象--在未達(dá)到安全閥設(shè)定點(diǎn)前,就有少量介質(zhì)泄出.100%SEATINGFORCE75502505075100%SETPRESSURE彈簧式安全閥的缺點(diǎn)過大的入口壓力降會(huì)造成閥門的頻跳,縮短閥門使用壽命.ChatterDiscGuideDiscHolderNozzle彈簧式安全閥的缺點(diǎn)彈簧式安全閥的缺點(diǎn)=10090807060500102030405010%OVERPRESSURE%BUILT-UPBACKPRESSURE%RATEDCAPACITY普通產(chǎn)品平衡背壓能力差.在普通產(chǎn)品基礎(chǔ)上加裝波紋管,使其平衡背壓的能力有所增強(qiáng).能夠使閥芯內(nèi)件與高溫/腐蝕性介質(zhì)相隔離.平衡波紋管彈簧式安全閥的優(yōu)點(diǎn)優(yōu)異的閥座密封性能,閥座密封力隨介質(zhì)操作壓力的升高而升高,可使系統(tǒng)在較高運(yùn)行壓力下高效能地工作.ResilientSeatP1P1P2先導(dǎo)式安全閥的優(yōu)點(diǎn)平衡背壓能力優(yōu)秀有突開型/調(diào)節(jié)型兩種動(dòng)作特性可遠(yuǎn)傳取壓先導(dǎo)式安全閥的優(yōu)點(diǎn)對(duì)介質(zhì)比較挑剃,不適用于較臟/較粘稠的介質(zhì),此類介質(zhì)會(huì)堵塞引壓管及導(dǎo)閥內(nèi)腔.成本較高.先導(dǎo)式安全閥的缺點(diǎn)重力板式產(chǎn)品的優(yōu)點(diǎn)目前低壓儲(chǔ)罐呼吸閥/緊急泄放閥的主力產(chǎn)品.結(jié)構(gòu)簡(jiǎn)單.價(jià)格經(jīng)濟(jì).重力板式產(chǎn)品的缺點(diǎn)不可現(xiàn)場(chǎng)調(diào)節(jié)設(shè)定值.閥座密封性差,并有較嚴(yán)重的預(yù)漏.受背壓影響大.需要很高的超壓以達(dá)到全開.不適用于深冷/粘稠工況.幾個(gè)常用規(guī)范ASMEsectionI-動(dòng)力鍋爐(FiredVessel)ASMEsectionVIII-非受火容器(UnfiredVessel)API2000-低壓安全閥設(shè)計(jì)(LowpressurePRV)API520-火災(zāi)工況計(jì)算與選型(FireSizing)API526-閥門尺寸(ValveDimension)API527-閥座密封(SeatTightness)介質(zhì)狀態(tài)(氣/液/氣液雙相).氣態(tài)介質(zhì)的分子量&Cp/Cv值.液態(tài)介質(zhì)的比重/黏度.安全閥泄放量要求.設(shè)定壓力.背壓.泄放溫度安全閥不以連接尺寸作為選型報(bào)價(jià)依據(jù)!如何提供高質(zhì)量的詢價(jià)?彈簧安全閥的結(jié)構(gòu)彈簧安全閥起跳曲線彈簧安全閥結(jié)構(gòu)彈簧安全閥結(jié)構(gòu)導(dǎo)壓管活塞密封活塞導(dǎo)向不平衡移動(dòng)副(活塞)導(dǎo)管導(dǎo)閥彈性閥座P1P1P2先導(dǎo)式安全閥結(jié)構(gòu)先導(dǎo)式安全閥的工作原理頻跳安全閥的頻跳是一種閥門高頻反復(fù)開啟關(guān)閉的現(xiàn)象。安全閥頻跳時(shí)，一般來說密封面只打開其全啟高度的幾分只一或十幾分之一，然后迅速回座并再次起跳。頻跳時(shí)，閥瓣和噴嘴的密封面不斷高頻撞擊會(huì)造成密封面的嚴(yán)重?fù)p傷。如果頻跳現(xiàn)象進(jìn)一步加劇還有可能造成閥體內(nèi)部其他部分甚至系統(tǒng)的損傷。安全閥工作不正常的因素頻跳后果1、導(dǎo)向平面由于反復(fù)高頻磨擦造成表面劃傷或局部材料疲勞實(shí)效。2、密封面由于高頻碰撞造成損傷。3、由于高頻振顫造成彈簧實(shí)效。4、由頻跳所帶來的閥門及管道振顫可能會(huì)破壞焊接材料和系統(tǒng)上其他設(shè)備。5、由于安全閥在頻跳時(shí)無法達(dá)到需要的排放量，系統(tǒng)壓力有可能繼續(xù)升壓并超過最大允許工作壓力。安全閥工作不正常的因素A、系統(tǒng)壓力在通過閥門與系統(tǒng)之間的連接管時(shí)壓力下降超過3%。當(dāng)閥門處于關(guān)閉狀態(tài)時(shí)，閥門入口處的壓力是相對(duì)穩(wěn)定的。閥門入口壓力與系統(tǒng)壓力相同。當(dāng)系統(tǒng)壓力達(dá)到安全閥的起跳壓力時(shí)，閥門迅速打開并開始泄壓。但是由于閥門與系統(tǒng)之間的連接管設(shè)計(jì)不當(dāng)，造成連接管內(nèi)局部壓力下降過快超過3%，是閥門入口處壓力迅速下降到回座壓力而導(dǎo)致閥門關(guān)閉。因此安全閥開啟后沒有達(dá)到完全排放，系統(tǒng)壓力仍然很高，所以閥門會(huì)再次起跳并重復(fù)上述過程，既發(fā)生頻跳。導(dǎo)致頻跳的原因?qū)е陆庸軌航蹈哂?%的原因1、閥門與系統(tǒng)間的連接管內(nèi)徑小于閥門入口管內(nèi)徑。2、存在嚴(yán)重的渦流現(xiàn)象。3、連接管過長(zhǎng)而且沒有作相應(yīng)的補(bǔ)償（使用內(nèi)徑較大的管道）。4、連接管過于復(fù)雜（拐彎過多甚至在該管上開口用作它途。在一般情況下安全閥入口處不允許安裝其他閥門。）導(dǎo)致頻跳的原因B、閥門的調(diào)節(jié)環(huán)位置設(shè)置不當(dāng)。安全閥擁有噴嘴環(huán)和導(dǎo)向環(huán)。這兩個(gè)環(huán)的位置直接影響安全閥的起跳和回座過程。如果噴嘴環(huán)的位置過低或?qū)颦h(huán)的位置過高，則閥門起跳后介質(zhì)的作用力無法在閥瓣座和調(diào)節(jié)環(huán)所構(gòu)成的空間內(nèi)產(chǎn)生足夠的托舉力使閥門保持排放狀態(tài)，從而導(dǎo)致閥門迅速回座。但是系統(tǒng)壓力仍然保持較高水平，因此回座后閥門會(huì)很快再次起跳。導(dǎo)致頻跳的原因C、安全閥的額定排量遠(yuǎn)遠(yuǎn)大于所需排量。

由于所選的安全閥的喉徑面積遠(yuǎn)遠(yuǎn)大于所需，安全閥排放時(shí)過大的排量導(dǎo)致壓力容器內(nèi)局部壓力下降過快，而系統(tǒng)本身的超壓狀態(tài)沒有得到緩解，使安全閥不得不再次起跳頻跳的原因閥門拒跳：當(dāng)系統(tǒng)壓力達(dá)到安全閥的起跳壓力時(shí)，閥門不起跳的現(xiàn)象。安全閥工作不正常的因素1、閥門整定壓力過高。2、閥門內(nèi)落入大量雜質(zhì)從而使閥辦座和導(dǎo)套間卡死或摩擦力過大。3、彈簧之間夾入雜物使彈簧無法被正常壓縮。4、閥門安裝不當(dāng)，使閥門垂直度超過極限范圍（正負(fù)兩度）從而使閥桿組件在起跳過程中受阻。5、排氣管道沒有被可靠支撐或由于管道受熱膨脹移位從而對(duì)閥體產(chǎn)生扭轉(zhuǎn)力，導(dǎo)致閥體內(nèi)機(jī)構(gòu)發(fā)生偏心而卡死。安全閥拒跳的原因閥門不回座或回座比過大：安全閥正常起跳后長(zhǎng)時(shí)間無法回座，閥門保持排放狀態(tài)的現(xiàn)象。安全閥工作不正常的因素1、閥門上下調(diào)整環(huán)的位置設(shè)置不當(dāng)。2、排氣管道設(shè)計(jì)不當(dāng)造成排氣不暢，由于排氣管道過小、拐彎過多或被堵塞，使排放的蒸汽無法迅速排出而在排氣管和閥體內(nèi)積累，這時(shí)背壓會(huì)作用在閥門內(nèi)部機(jī)構(gòu)上并產(chǎn)生抑制閥門關(guān)閉的趨勢(shì)。3、閥門內(nèi)落入大量雜質(zhì)從而使閥瓣座和導(dǎo)套之間卡死后摩擦力過大。安全閥不回座或回座比過大的因素：4、彈簧之間夾入雜物從而使彈簧被正常壓縮后無法恢復(fù)。5、由于對(duì)閥門排放時(shí)的排放反力計(jì)算不足，從而在排放時(shí)閥體受力扭曲損壞內(nèi)部零件導(dǎo)致卡死。6、閥桿螺母（位于閥桿頂端）的定位銷脫落。在閥門排放時(shí)由于振動(dòng)使該螺母下滑使閥桿組件回落受阻。安全閥不回座或回座比過大的因素：7、由于彈簧壓緊螺栓的鎖緊螺母松脫，在閥門排放時(shí)由于振動(dòng)時(shí)彈簧壓緊螺栓松動(dòng)上滑導(dǎo)致閥門的設(shè)定起跳值不斷減小。

8、閥門安裝不當(dāng)，使閥門垂直度超過極限范圍（正負(fù)兩度）從而使閥桿組件在回落過程中受阻。

9、閥門的密封面中有雜質(zhì)，造成閥門無法正常關(guān)閉。

10、鎖緊螺母沒有鎖緊，由于管道震動(dòng)下環(huán)向上運(yùn)動(dòng)，上平面高于密封面，閥門回座時(shí)無法密封安全閥不回座或回座比過大的因素：謝謝觀看癌基因與抑癌基因oncogene&tumorsuppressorgene24135基因突變概述.癌基因和抗癌基因的概念.癌基因的分類.癌基因產(chǎn)物的作用.癌基因激活的機(jī)理主要內(nèi)容疾?。?/p>

——是人體某一層面或各層面形態(tài)和功能（包括其物質(zhì)基礎(chǔ)——代謝）的異常，歸根結(jié)底是某些特定蛋白質(zhì)結(jié)構(gòu)或功能的變異，而這些蛋白質(zhì)又是細(xì)胞核中相應(yīng)基因借助細(xì)胞受體和細(xì)胞中信號(hào)轉(zhuǎn)導(dǎo)分子接收信號(hào)后作出應(yīng)答（表達(dá)）的產(chǎn)物。TranscriptionTranslationReplicationDNARNAProtein中心法規(guī)Whatisgene?基因：

—是遺傳信息的載體

—是一段特定的DNA序列（片段）

—是編碼RNA或蛋白質(zhì)的一段DNA片段

—是由編碼序列和調(diào)控序列組成的一段DNA片段基因主宰生物體的命運(yùn)：微效基因的變異——生物體對(duì)生存環(huán)境的敏感度變化關(guān)鍵關(guān)鍵基因的變異——生物體疾病——死亡所以才有：“人類所有疾病均可視為基因病”之說注：如果外傷如燒傷、骨折等也算疾病的話，外傷應(yīng)該無法歸入基因病的行列。Genopathy問：兩個(gè)不相干的人，如果他們患得同一疾病，致病基因是否相同？再問：同卵雙生的孿生兄弟，他們患病的機(jī)會(huì)是否一樣，命運(yùn)是否相同？┯┯┯┯

ＡＴＧＣ

ＴＡＣＧ

┷┷┷┷┯┯┯┯┯

ＡＴＡＧＣ

ＴＡＴＣＧ

┷┷┷┷┷┯┯┯┯

ＡＴＧＣ

ＴＡＣＧ

┷┷┷┷┯┯┯

ＡＧＣ

ＴＣＧ

┷┷┷┯┯┯┯

ＡＣＧＣ

ＴＧＣＧ

┷┷┷┷┯┯┯┯

ＡＴＧＣ

ＴＡＣＧ

┷┷┷┷增添缺失替換DNA分子(復(fù)制)中發(fā)生堿基對(duì)的______、______

和

，而引起的

的改變。替換增添缺失基因結(jié)構(gòu)基因變異的概念：英語句子中的一個(gè)字母的改變，可能導(dǎo)致句子的意思發(fā)生怎樣的變化？可能導(dǎo)致句子的意思不變、變化不大或完全改變THECATSATONTHEMATTHECATSITONTHEMATTHEHATSATONTHEMATTHECATONTHEMAT同理：替換、增添、缺失堿基對(duì)，可能會(huì)使性狀不變、變化不大或完全改變?；虻慕Y(jié)構(gòu)改變,一定會(huì)引起性狀的改變??原句：1.基因多態(tài)性與致病突變基因變異與疾病的關(guān)系2.單基因病、多基因病3.疾病易感基因

基因多態(tài)性polymorphism是指DNA序列在群體中的變異性（差異性）在人群中的發(fā)生概率>1%（SNP&CNP)<1%的變異概率叫做突變基因多態(tài)性特定的基因多態(tài)性與疾病相關(guān)時(shí)，可用致病突變加以描述SNP:散在單個(gè)堿基的不同，單個(gè)堿基的缺失、插入和置換。

CNP:DNA片段拷貝數(shù)變異，包括缺失、插入和重復(fù)等。同義突變、錯(cuò)義突變、無義突變、移碼突變

致病突變生殖細(xì)胞基因突變將突變的遺傳信息傳給下一代(代代相傳),即遺傳性疾病。體細(xì)胞基因突變局部形成突變細(xì)胞群（腫瘤）。受精卵分裂基因突變的原因物理因素化學(xué)因素生物因素基因突變的原因（誘發(fā)因素）紫外線、輻射等堿基類似物5BU/疊氮胸苷等病毒和某些細(xì)菌等自發(fā)突變DNA復(fù)制過程中堿基配對(duì)出現(xiàn)誤差。UV使相鄰的胸腺嘧啶產(chǎn)生胸腺嘧啶二聚體,DNA復(fù)制時(shí)二聚體對(duì)應(yīng)鏈空缺，堿基隨機(jī)添補(bǔ)發(fā)生突變。胸腺嘧啶二聚體胸腺嘧啶胸腺嘧啶紫外線誘變物理誘變(physicalinduction)

5溴尿嘧啶(5BU)與T類似，多為酮式構(gòu)型。間期細(xì)胞用酮式5BU處理，5BU能插入DNA取代T與A配對(duì)；插入DNA后異構(gòu)成烯醇式5BU與G配對(duì)。兩次DNA復(fù)制后,使A/T轉(zhuǎn)換成G/C，發(fā)生堿基轉(zhuǎn)換,產(chǎn)生基因突變。化學(xué)誘變(chemicalinduction)堿基類似物(baseanalogues)誘變AT5-BUA5-BUAAT5-BU5-BU(烯醇式)

(酮式)GGC1.生物變異的根本來源，為生物進(jìn)化提供了最初的原始材料,能使生物的性狀出現(xiàn)差別，以適應(yīng)不同的外界環(huán)境，是生物進(jìn)化的重要因素之一。2.致病突變是導(dǎo)致人類遺傳病的病變基礎(chǔ)。基因突變的意義概述：腫瘤細(xì)胞惡性增殖特性（一）腫瘤細(xì)胞失去了生長(zhǎng)調(diào)節(jié)的反饋抑制正常細(xì)胞受損,一旦恢復(fù)原狀，細(xì)胞就會(huì)停止增殖，但是腫瘤細(xì)胞不受這一反饋機(jī)制抑制。（二）腫瘤細(xì)胞失去了細(xì)胞分裂的接觸抑制。正常細(xì)胞體外培養(yǎng)，相鄰細(xì)胞相接觸，長(zhǎng)在一起，細(xì)胞就會(huì)停止增殖，而腫瘤細(xì)胞生長(zhǎng)滿培養(yǎng)皿后，細(xì)胞可以重疊起生長(zhǎng)。（三）腫瘤細(xì)胞表現(xiàn)出比正常細(xì)胞更低的營養(yǎng)要求。（四）腫瘤細(xì)胞生長(zhǎng)有一種自分泌作用，自己分泌生長(zhǎng)需要的生長(zhǎng)因子和調(diào)控信號(hào),促進(jìn)自身的惡性增殖。Whatisoncogene?癌基因——是基因組內(nèi)正常存在的基因，其編碼產(chǎn)物通常作為正調(diào)控信號(hào)，促進(jìn)細(xì)胞的增殖和生長(zhǎng)。癌基因的突變或表達(dá)異常是細(xì)胞惡性轉(zhuǎn)化（癌變）的重要原因?！彩悄芫幋a生長(zhǎng)因子、生長(zhǎng)因子受體、細(xì)胞內(nèi)信號(hào)轉(zhuǎn)導(dǎo)分子以及與生長(zhǎng)有關(guān)的轉(zhuǎn)錄調(diào)節(jié)因子等的基因。如何發(fā)現(xiàn)癌基因的呢?11910年，洛克菲勒研究院一個(gè)年輕的研究員Rous發(fā)現(xiàn)，雞肉瘤細(xì)胞裂解物在通過除菌濾器以后，注射到正常雞體內(nèi)，可以引起肉瘤，首次提出雞肉瘤可能是由病毒引起的。0.2m孔徑細(xì)菌過不去但病毒可以通過從病毒癌基因到細(xì)胞原癌基因的研究歷程：Roussarcomavirus,RSVthefirstcancer-causingretrovirus1958年，Stewart和Eddy分離出一種病毒，注射到小鼠體內(nèi)可以引起肝臟、腎臟、乳腺、胸腺、腎上腺等多種組織器官的腫瘤，因而把這種病毒稱為多瘤病毒。50年代末、60年代初，癌病毒研究成了一個(gè)極具想像力的研究領(lǐng)域，主流科學(xué)家開始進(jìn)入癌病毒研究領(lǐng)域polyomavirus這期間，Temin發(fā)現(xiàn)RSV有不同亞型，且引起細(xì)胞惡變程度不同，推測(cè)RNA病毒將其遺傳信息傳遞給了正常細(xì)胞的DNA。這與Crick提出的中心法則是相違背的讓事實(shí)屈從于理論還是堅(jiān)持基于實(shí)驗(yàn)的結(jié)果？VSTemin發(fā)現(xiàn)逆轉(zhuǎn)錄酶，1975年獲諾貝爾獎(jiǎng)TeminCrickTemin的實(shí)驗(yàn)設(shè)計(jì)：實(shí)驗(yàn)設(shè)計(jì)簡(jiǎn)單而巧妙：將合成DNA所需的“原料”，即A、T、C、G四種脫氧核苷酸，與破壞了外殼的RSV一起在體外40℃的條件下溫育一段時(shí)間結(jié)果在試管里獲得了一種新合成的大分子，它不能被RNA酶破壞，但卻可以被DNA酶所分解，證明這種新合成的大分子是DNA用RNA酶預(yù)先破壞RSV的RNA，再重復(fù)上述的試驗(yàn)，則不能獲得這種大分子，說明這個(gè)DNA大分子是以RSV的RNA為模板合成的1969年，一個(gè)日本學(xué)者里子水谷來到Temin的實(shí)驗(yàn)室，這是一個(gè)非常擅長(zhǎng)實(shí)驗(yàn)的年輕科學(xué)家。按Temin的設(shè)想，他們開始尋找RSV中存在“逆轉(zhuǎn)錄酶”的證據(jù)DNA

RNA

ProteinTranscriptionTranslationReplicationReplicationRe-Transcription修正中心法規(guī)據(jù)說，1975年Temin因發(fā)現(xiàn)逆轉(zhuǎn)錄酶而獲諾貝爾獎(jiǎng)時(shí)，Bishop懊惱不已，因?yàn)樵缭?969年他就認(rèn)為Temin的RNADNA的“前病毒理論”有可能是正確的，并且也進(jìn)行了一些實(shí)驗(yàn)，但不久由于資深同事的規(guī)勸而放棄了這方面的努力。但Bishop馬上意識(shí)到：逆轉(zhuǎn)錄酶的發(fā)現(xiàn)為逆轉(zhuǎn)錄病毒致癌的研究提供了一條新途徑。一個(gè)RSV，三個(gè)諾貝爾獎(jiǎng)?。?！1989年，UCSF的Bishop和Varmus根據(jù)逆轉(zhuǎn)錄病毒的復(fù)制機(jī)制發(fā)現(xiàn)了細(xì)胞癌基因，并獲諾貝爾獎(jiǎng)。Cellularoncogene啟示：Perutz說:“科學(xué)創(chuàng)造如同藝術(shù)創(chuàng)造一樣，都不可能通過精心組織而產(chǎn)生”Bishop說:“許多人引以為豪的是一天工作16小時(shí)，工作安排要以分秒計(jì)……可是工作狂是思考的大敵，而思考則是科學(xué)發(fā)現(xiàn)的關(guān)鍵”Perutzsharedthe1962NobelPrizeforChemistrywithJohnKendrew,fortheirstudiesofthestructuresofhemoglobinandglobularproteins科學(xué)的本質(zhì)和藝術(shù)一樣，都需要直覺和想像力請(qǐng)給自己一些思考的時(shí)間吧！癌基因的分類目前對(duì)癌基因尚無統(tǒng)一分類的方法，一般有下面3種分類方法：一、按結(jié)構(gòu)特點(diǎn)分（6）類（一）src癌基因家族（二）ras癌基因家族（三）sis癌基因家族（四）myc癌基因家族（五）myb癌基因家族（六）其它：如fos，erb－A等。三、按細(xì)胞增殖調(diào)控蛋白特性分成（4）類（一）生長(zhǎng)因子（二）受體類（三）細(xì)胞內(nèi)信號(hào)轉(zhuǎn)換器（四）細(xì)胞核因子二、按產(chǎn)物功能分（8）類（一）生長(zhǎng)因子類（二）酪氨酸蛋白激酶（三）膜相關(guān)G蛋白（四）受體，無蛋白激酶活性（五）胞質(zhì)絲氨酸-蘇氨酸蛋白激酶（六）胞質(zhì)調(diào)控因子（七）核反式調(diào)控因子（八）其它:db1、bcl－2癌基因產(chǎn)物參與信號(hào)轉(zhuǎn)導(dǎo)

胞外信號(hào)作用于膜表面受體→胞內(nèi)信使物質(zhì)的生成便意味著胞外信號(hào)跨膜傳遞的完成。胞內(nèi)信使至少有：cAMP（環(huán)磷酸腺苷）IP3（三磷酸肌醇）PG（前列腺素）cGMP（環(huán)磷酸鳥苷）DG（二?；视停〤a2＋（鈣離子）CAM（鈣調(diào)素）主要機(jī)制是通過蛋白激酶活化引起底物蛋白一連串磷酸化的生物信號(hào)反應(yīng)過程,跨膜機(jī)制涉及到：（一）質(zhì)膜上cAMP信使系統(tǒng)（二）質(zhì)膜上肌醇脂質(zhì)系統(tǒng)這兩個(gè)系統(tǒng)都是由受體鳥苷酸調(diào)節(jié)蛋白（GTP-regulatoryprotein，G蛋白）和效應(yīng)酶（腺苷酸環(huán)化酶磷脂酶等）組成，有相似的信號(hào)轉(zhuǎn)導(dǎo)過程：即受體活化后引起GTP與不同G蛋白結(jié)合活化和抑制效應(yīng)酶從而影響胞內(nèi)信使產(chǎn)生而發(fā)生不同的調(diào)控效應(yīng)。（三）受體操縱的離子通道系統(tǒng)（四）受體酪氨酸蛋白激酶的轉(zhuǎn)導(dǎo)

（一）獲得性基因病

(acquiredg